|
我们采用企业总资本来刻画企业规模，将企业总资本取常用对数后作为规模变量纳入模型。 其余6 个变量均作为分类变量纳入模型，这6 个分类变量的含义、样本数、月结客户数及编 码如表1 所示。 125 表1：虚拟变量编码 Tab. 1 coding of dummy variable 编码 项目 特征 样本数月结客户数 （1） （2） （3） 1（本省） 9 1 S1=1 S2=0 S3=0 2（本省及周边地区） 13 2 S1=0 S2=1 S3=0 3（全国） 85 41 S1=0 S2=0 S3=1 销售 范围(S) 4（国际） 93 75 S1=0 S2=0 S3=0 1（本省） 49 31 K1=1 K2=0 K3=0 2（本省及周边地区） 44 19 K1=0 K2=1 K3=0 3（全国） 78 44 K1=0 K2=0 K3=1 采购 范围(K) 4（国际） 29 25 K1=0 K2=0 K3=0 1（国有） 5 3 Y1=1 Y2=0 Y3=0 2（民营） 148 73 Y1=0 Y2=1 Y3=0 3（外商独资） 34 33 Y1=0 Y2=0 Y3=1 产权(Y) 4（中外合资） 13 9 Y1=0 Y2=0 Y3=0 1（大规模生产） 53 35 Z1=1 Z2=0 2（小批量多品种） 71 29 Z1=0 Z2=1 生产 方式(Z) 3（定制化生产） 76 55 Z1=0 Z2=0 1（环渤海） 40 10 X1=1 X2=0 地区(X) 2（长三角） 80 37 X1=0 X2=1 3（珠三角） 80 72 X1=0 X2=0 1（IT、通讯及电子类） 100 54 I1=1 行业（I） 2（服装及纺织品类） 100 65 I1=0 六个分类变量的虚拟变量代码如上表所示，以分类变量地区(X)为例，包括长三角，环 130 渤海以及珠三角这三大地区，此时需设置两个虚拟变量X1、X2 即可表示这三个地区，如表 1 所示，三大地区对应的虚拟变量编码分别为珠三角（X1=0,X2=0）,环渤海(X1=1,X2=0),长 三角(X1=0,X2=1)。 3 回归结果与分析 3.1 回归结果及模型的拟合效果 135 对数据进行二元Logistic 回归分析，回归分析中，变量进入模型的方式选择向后逐步回 归,变量被剔除的标准为P>0.15,回归分析结果如表2 所示: 表2：logistic 回归结果 Tab. 2 results of logistic regression β S.E. Wald df Sig. Exp(β ) 地区(1)(地区(X) X1) -3.091 0.781 15.659 1 0.045 地区(2)(X2) -1.753 0.640 7.489 1 0.000 0.173 产权(1)(Y1) 2.412 1.600 2.272 1 11.152 产权(2) (Y2) 0.503 0.945 0.283 1 1.653 产权(Y) 产权(3) (Y3) 3.233 1.766 3.349 1 0.149 25.352 生产方生产方式(1) (Z1) -1.737 0.700 6.155 1 0.176 式(Z) 生产方式(2) (Z2) -1.453 0.570 6.497 1 0.011 0.234 采购范围(1) (K1) -0.381 0.990 0.148 1 0.683 采购范围(2) (K2) -1.946 0.979 3.953 1 0.143 采购范 围(K) 采购范围(3) (K3) -0.654 0.873 0.562 1 0.084 0.520 资产(LnC) 0.811 0.166 23.779 1 0.000 2.250 Constant -1.618 1.720 0.885 1 0.347 0.198 模型回归系数的显著性检验采用wald 检验，wald=( )2 se β 150 ,若wald 值的概率P 值小于显 著性水平，则拒绝β =0 的原假设，即认为该变量对被解释变量有显著性影响，相反若p 值 大于显著性水平，则接受原假设，认为该变量对被解释变量无显著影响，则剔除出模型，由 上表可知，地区、产权、生产方式、采购范围以及资产的p 值均小于显著性水平0.15。 由上述回归结果，可得出相应的回归模型如下： 155 logit（P）=-1.618-3.091X1-1.753X2+2.412Y1+0.503Y2+3.233Y3-1.737Z1-1.453Z2 -0.381k1-1.946k2-0.654k3+0.811lnC 结合表1 中虚拟变量编码，仍以分类变量地区X 为例,三大地区对应的虚拟变量编码分 别为珠三角（X1=0,X2=0）,环渤海(X1=1,X2=0),长三角(X1=0,X2=1)，即若是珠三角地区的 企业，在运用上述回归模型时，只需取X1=0，X2=0 即可；若企业所在地是环渤海，则取 160 X1=1，X2=0；对于长三角的企业，相应的为X1=0，X2=1。 考察模型效果时主要考虑两个方面，一个是模型的拟合度，即模型的解释能力，另一个 是运用该模型得到的结果与实际情况的吻合情况。首先考察模型拟合的整体效果，如下表3 所示。 165 表3：模型拟合效果 Tab. 3 fitting results -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 134.259 0.493 0.665 表3 中，-2 对数似然值越小，表明拟合度越高，表中从表3 中可看到-2 对数似然值为 138.581，同时修正后的R 方为0.665，意味着最终模型解释了被解释变量的66.5%的变动。 170 最后使用ROC 曲线考察运用模型后结果和实际吻合的效果。当模型拟合效果最佳时， ROC 曲线应从左下角垂直上升至顶，然后水平方向向右延伸到右上角。如果ROC 曲线沿着 主对角线方向分布，表示分类是机遇造成的，正确分类和错分的概率各为50%，表明此时 预测方法完全无效。 如图1 及图2 所示，本模型中ROC 曲线下面积为0.926，其95%可信的区间为 175 （0.890,0.961），说明模型的拟合效果较好。 图1：ROC 曲线 Fig. 1 ROC curve 180 图2：曲线下面积 Fig. 2 area under curve 3.2 回归结果的分析 185 由表2 可知，采用逐步向后似然回归法，在0.15 的显著水平下，最后进入模型的变量 有五个，分别是规模（资本额）、地区、企业产权性质、生产方式和采购范围，而销售范围 和行业没有进入回归方程。对企业的行业特征、销售范围特征等对制造型企业是否成为月结 客户没有显著影响，被剔除出了回归方程。 3.2.1 制造企业规模 190 由回归结果可知，当企业规模（资本总额）改变一个单位时，其成为快递企业月结客户 的发生比平均扩大2.25 倍，越是较大的企业，越倾向于成为快递企业的团体客户。其原因 在于，规模大的企业有更多的快递业务，成为快递企业的团体客户，可以大大节约的信息搜 寻与谈判费用，也有可能减少企业在相关业务上的投资（代之以快递企业的专用资产投资）。 相对于交易的灵活性，大型企业更在意服务供给的稳定性，而成为月结客户正好满足了大规 195 模企业的这一期望。而小规模则更在意在服务使用上的灵活性，不愿意因为签订月结合同而 丧失更多的选择权。另外，快递企业也愿意与较大规模的制造企业签订长期契约，并进行专 用资产的投资，因为较大企业不仅快递业务量较大，是稳定的收入来源 ，而且信誉水平也 较高，在与服务企业的关系中，较少采取机会主义行为，专用资产投资可以获得充分的回报。 而对于较小的企业，其业务量的不稳定性以及较低违约成本约束有可能使快递企业的专用资 200 产投资得不到应有的回报。 3.2.2 地区因素 制造企业所在地区对是否与快递企业签约也有明显的影响。从回归结果看，在其它条件 不变的情况下，环渤海地区和长三角地区的制造型企业成为快递企业团体客户的发生比，是 珠三角地区制造型企业成为团体客户发生比的0.045，0.173 倍，即珠三角地区制造型企业成 205 为月结客户的发生比分别是长三角地区和环渤海地区制造型企业的5.78 倍和22.22 倍。不同 地区经济结构、市场发育程度以及企业对契约风险的评估各不相同，相对于环渤海地区和长 三角地区，珠三角地区市场发育最为成熟，已经形成较为稳定的市场运行规则，企业对契约 风险的评估要远低于其他地区，因此，企业更愿意与服务企业签订长期合同，以最大限度降 低交易成本。问卷调查显示，珠三角地区企业在物流外包比重上也要远远高于其他地区，而 210 物流外包意味着制造企业对服务企业更多的依赖，意味着企业放弃更多的灵活性，但这种长 期契约关系之所以能够建立，与珠三角地区稳定的市场秩序有很大的关系。 3.2.3 企业产权性质 回归结果显示，从企业的产权性质看，成为月结客户的发生比从大到小依次是外商独资 企业、国有企业、民营企业以及中外合资企业，其中前两类企业签约的倾向远远高于后两类 215 企业。从观察到的情况看，外资企业更为注重交易的效率，企业之间的产业分工程度都比较 高，因此外商独资企业几乎全部都与快递企业有长期合约关系，而且他们的签约对象也主要 是外资快递企业。而国有企业虽然不一定注重交易的效率，但更重视交易稳定性，他们并不 需要在不同服务企业之间做权衡和比较，因此，他们也几乎都与快递企业长期合约关系，而 且他们的签约对象也多为国有快递企业。同时，外资企业和国有企业一般来说信誉水平也较 220 高，规模大，业务量多，快递企业愿意与他们签约。 3.2.4 企业生产方式 由生产方式所对应的两个虚拟变量的回归系数可知，在其他条件不变的情况下，采用大 规模生产和小批量多品种生产方式的制造型企业成为快递企业月结客户的发生比，是采用定 制化生产方式的企业的0.176 和0.234 倍，按照可能性排序，依次是定制化生产、小批量多 225 品种生产和大规模生产，其中定制化生产分别是后两者的4.274 倍和5.682 倍。这与我们的 研究预期完全一致。满足消费者多样化需求，采用进行定制化生产模式，是很多制造企业的 战略转型方向，但这一转型意味着必须解决直接面向最终消费者的物流配送渠道问题，而快 递服务业从门到门的服务特征正好满足了制造业对快速、准确、安全的物流服务的需要。大 规模、标准化生产是传统工业社会的典型生产模式，对低成本、大批量的传统物流渠道有较 230 大的需求，而对快递服务的需求相对较小。 3.2.5 企业采购范围 采购范围分布在本省、本省及周边地区、全国的制造企业成为月结客户的发生比分别是 国际范围采购企业发生比的0.683 倍、0.143 倍以及0.52 倍，一个有意思的发现是， 随着企 业采购范围的扩大，制造企业成为月结客户的发生比先降低后提高，二者的关系近似U 型 235 曲线，采购范围为本省及周边地区时最低，而全球范围的采购其发生比最高。当前，快递服 务在满足制造企业小批量采购需求方面起着越来越重要的作用，特别是那些价值高、体积和 重量小、有较高时效要求的零配件，大多是通过快递公司运送的。在全球采购快递服务商中， 制造企业面临的选项是有限的，能够提供全球快递服务的企业只有少数几家，而且这些快递 企业都要求与企业之间订立某种形式的合约，所以，全球采购情况向的制造企业与快递企业 240 签约率必然比较高。全国范围内的采购也存在这种情况，对稳定的快递服务有较高的要求， 而企业往往并不太在意选择上灵活性。而就近采购之所以也有较高的签约率，可能是这类企 业均为小型企业，没有自身的物流部门，必须依赖快递企业保证其原材料的供应。 学术论文网Tag：代写论文 代写代发论文 代写职称论文 代发论文 |
